变压器故障诊断系统及其诊断方法技术方案

本申请涉及变压器故障的智能诊断领域，其具体地公开了一种变压器故障诊断系统及其诊断方法，其通过激光诱导荧光光谱技术，以基于荧光光谱对电力变压器油进行检测分析，进而快速准确地识别电力变压器的油样，这样，就能够准确有效地对电力变压器的不同故障类型进行诊断，以保障煤矿电力的正常供给。以保障煤矿电力的正常供给。以保障煤矿电力的正常供给。

【技术实现步骤摘要】
变压器故障诊断系统及其诊断方法


[0001]本专利技术涉及变压器故障的智能诊断领域，且更为具体地，涉及一种变压器故障诊断系统及其诊断方法。

技术介绍

[0002]我国的经济迅速地发展，电力工业也相应地大规模壮大，导致电力变压器的使用日益增多。煤炭发电是电力生产的主要能源，煤矿中的电力变压器更是在电能传输中起关键作用。因此，定期对煤矿变压器检测维护显得十分重要。
[0003]电力变压器常见的故障为电性故障、局部受潮以及热性故障。电力变压器油的检测分析是电力变压器故障诊断的有效方法，快速识别电力变压器油的油样对电力变压器故障诊断工作有重大意义。目前对电力变压器油检测的方法大多是气相色谱法，这种方法操作比较复杂，不适合在线检测，不能快速地检查出故障原因。
[0004]因此，期待一种优化的用于电路变压器的故障检测方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种变压器故障诊断系统及其诊断方法，其通过激光诱导荧光光谱技术，以基于荧光光谱对电力变压器油进行检测分析，进而快速准确地识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变压器故障诊断系统，其特征在于，包括：光谱数据采集单元，用于获取待检测变压器的油样的荧光光谱图；降噪单元，用于将所述待检测变压器的油样的荧光光谱图通过作为降噪器的第一卷积神经网络以得到降噪后荧光光谱图；特征提取单元，用于将所述降噪后荧光光谱图通过作为特征提取器的第二卷积神经网络以得到光谱特征矩阵；特征矩阵分解单元，用于对所述光谱特征矩阵进行基于本征值的矩阵分解以得到多个本征值和与所述多个本征值对应的多个本征特征向量；维度筛选单元，用于从所述多个本征特征向量中提取预定数量的本征特征向量，并将所述预定数量的本征特征向量二维排列为主维度光谱特征矩阵；特征补偿单元，用于对所述主维度光谱特征矩阵进行柯西重概率化以得到校正后主维度光谱特征矩阵作为分类特征矩阵，其中，所述柯西重概率化基于一与所述主维度光谱特征矩阵中各个位置的特征值之间的加和值除以一与所述主维度光谱特征矩阵中所有位置的特征值之和的加和值来进行；以及诊断结果生成单元，用于将所述分类特征矩阵通过多标签分类器以得到分类结果，所述分类结果为所述待检测变压器的故障类型标签。2.根据权利要求1所述的变压器故障诊断系统，其中，所述第一卷积神经网络为深度可分离卷积神经网络，所述深度可分离卷积神经网络在其卷积操作中不同层的滤波器用于分别在两个空间维度和通道维度上进行卷积以基于三维块匹配和过滤对所述荧光光谱图进行降噪。3.根据权利要求2所述的变压器故障诊断系统，其中，所述第二卷积神经网络的各层在层的正向传递中对输入数据分别进行：卷积处理得到卷积特征图；对所述卷积特征图进行基于局部通道维度的池化处理以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；以及由所述第二卷积神经网络的最后一层输出所述光谱特征矩阵。4.根据权利要求3所述的变压器故障诊断系统，其中，所述特征矩阵分解单元，进一步用于：以如下公式对所述光谱特征矩阵进行基于本征值的矩阵分解以得到多个本征值和与所述多个本征值对应的所述多个本征特征向量；其中，所述公式为：M＝QΛQ
T
其中M为所述光谱特征矩阵，Λ＝diag(λ1，λ2，...，λ
N
)，λ1≥λ2≥
…
≥λ
N
，是有序的对角本征值矩阵，λ1，λ2，...，λ
N
表示所述多个本征值，且Q＝[q1，q2，...，q
N
]是包含相应所述本征特征向量作为列的本征特征向量矩阵，q1，...，q
N
表示与所述多个本征值对应的所述多个本征特征向量。5.根据权利要求4所述的变压器故障诊断系统，其中，所述维度筛选单元，包括：本征特征向量筛选单元，用于从所述多个本征值对应的多个本征特征向量筛选出本征值超过预定阈值的本征特征向量以得到所述预定数量的本征特征向量；以及主维度矩阵构造单元，用于将所述预定数量的本征特征向量按照样本维度进行二维排
列以得到所述主维度光谱特征矩阵。6.根据权利要求5所述的变压器故障诊断系统，其中，所述特征补偿单元，进一步用于：以如下公式对所述主维度光谱特征矩阵进行...

【专利技术属性】
技术研发人员：朱德亮，曹成功，姚晖，罗希，倪杰，陈和升，童旸，
申请(专利权)人：安徽南瑞继远电网技术有限公司，
类型：发明
国别省市：